深入理解Memcache原理

1.为什么要使用memcache

由于网站的高并发读写需求,传统的关系型数据库开始出现瓶颈,例如:

1)对数据库的高并发读写:

关系型数据库本身就是个庞然大物,处理过程非常耗时(如解析SQL语句,事务处理等)。如果对关系型数据库进行高并发读写(每秒上万次的访问),那么它是无法承受的。

2)对海量数据的处理:

对于大型的SNS网站,每天有上千万次的数据产生(如twitter, 新浪微博)。对于关系型数据库,如果在一个有上亿条数据的数据表种查找某条记录,效率将非常低。

使用memcache能很好的解决以上问题。

在实际使用中,通常把数据库查询的结果保存到Memcache中,下次访问时直接从memcache中读取,而不再进行数据库查询操作,这样就在很大程度上减少了数据库的负担。

保存在memcache中的对象实际放置在内存中,这也是memcache如此高效的原因。

2.memcache的安装和使用

这个网上有太多教程了,不做赘言。

3.基于libevent的事件处理

libevent是个程序库,它将Linux的epoll、BSD类操作系统的kqueue等事件处理功能 封装成统一的接口。即使对服务器的连接数增加,也能发挥O(1)的性能。

memcached使用这个libevent库,因此能在Linux、BSD、Solaris等操作系统上发挥其高性能。

参考:

libevent: http://www.monkey.org/~provos/libevent/

The C10K Problem: http://www.kegel.com/c10k.html

4.memcache使用实例:

$mc = new Memcache();

$mc->connect(‘127.0.0.1’, 11211);

$uid = (int)$_GET[‘uid’];

$sql = “select * from users where uid=’uid’ “;

$key = md5($sql);

if(!($data = $mc->get($key))) {

   $conn = mysql_connect(‘localhost’, ‘test’, ‘test’);

   mysql_select_db(‘test’);

   $result = mysql_fetch_object($result);

   while($row = mysql_fetch_object($result)) {

         $data[] = $row;

   }

   $mc->add($key, $datas);

}

var_dump($datas);

?>

5.memcache如何支持高并发(此处还需深入研究)

memcache使用多路复用I/O模型,如(epoll, select等),传统I/O中,系统可能会因为某个用户连接还没做好I/O准备而一直等待,知道这个连接做好I/O准备。这时如果有其他用户连接到服务器,很可能会因为系统阻塞而得不到响应。

而多路复用I/O是一种消息通知模式,用户连接做好I/O准备后,系统会通知我们这个连接可以进行I/O操作,这样就不会阻塞在某个用户连接。因此,memcache才能支持高并发。

此外,memcache使用了多线程机制。可以同时处理多个请求。线程数一般设置为CPU核数,这研报告效率最高。

6.使用Slab分配算法保存数据

slab分配算法的原理是:把固定大小(1MB)的内存分为n小块,如下图所示:

slab分配算法把每1MB大小的内存称为一个slab页,每次向系统申请一个slab页,然后再通过分隔算法把这个slab页分割成若干个小块的chunk(如上图所示),然后把这些chunk分配给用户使用,分割算法如下(在slabs.c文件中):

(注:memcache的github项目地址:https://github.com/wusuopubupt/memcached)

/**

* Determines the chunk sizes and initializes the slab class descriptors

* accordingly.

*/

void slabs_init(const size_t limit, const double factor, const bool prealloc) {

   int i = POWER_SMALLEST – 1;

   unsigned int size = sizeof(item) + settings.chunk_size;

   mem_limit = limit;

   if (prealloc) {

       /* Allocate everything in a big chunk with malloc 通过malloc的方式申请内存*/

       mem_base = malloc(mem_limit);

       if (mem_base != NULL) {

           mem_current = mem_base;

           mem_avail = mem_limit;

       } else {

           fprintf(stderr, “Warning: Failed to allocate requested memory in”

                   ” one large chunk.\nWill allocate in smaller chunks\n”);

       }

   }

   memset(slabclass, 0, sizeof(slabclass));

   while (++i < POWER_LARGEST && size <= settings.item_size_max / factor) {

       /* Make sure items are always n-byte aligned  注意这里的字节对齐*/

       if (size % CHUNK_ALIGN_BYTES)

           size += CHUNK_ALIGN_BYTES – (size % CHUNK_ALIGN_BYTES);

       slabclass[i].size = size;

       slabclass[i].perslab = settings.item_size_max / slabclass[i].size;

       size *= factor;//以1.25为倍数增大chunk

       if (settings.verbose > 1) {

           fprintf(stderr, “slab class %3d: chunk size %9u perslab %7u\n”,

                   i, slabclass[i].size, slabclass[i].perslab);

       }

   }

   power_largest = i;

   slabclass[power_largest].size = settings.item_size_max;

   slabclass[power_largest].perslab = 1;

   if (settings.verbose > 1) {

       fprintf(stderr, “slab class %3d: chunk size %9u perslab %7u\n”,

               i, slabclass[i].size, slabclass[i].perslab);

   }

   /* for the test suite:  faking of how much we’ve already malloc’d */

   {

       char *t_initial_malloc = getenv(“T_MEMD_INITIAL_MALLOC”);

       if (t_initial_malloc) {

           mem_malloced = (size_t)atol(t_initial_malloc);

       }

   }

   if (prealloc) {

       slabs_preallocate(power_largest);

   }

}

上面代码中的slabclass是一个类型为slabclass_t结构的数组,其定义如下:

typedef struct {

   unsigned int size;      /* sizes of items */

   unsigned int perslab;   /* how many items per slab */

   void **slots;           /* list of item ptrs */

   unsigned int sl_total;  /* size of previous array */

   unsigned int sl_curr;   /* first free slot */

   void *end_page_ptr;         /* pointer to next free item at end of page, or 0 */

   unsigned int end_page_free; /* number of items remaining at end of last alloced page */

   unsigned int slabs;     /* how many slabs were allocated for this class */

   void **slab_list;       /* array of slab pointers */

   unsigned int list_size; /* size of prev array */

   unsigned int killing;  /* index+1 of dying slab, or zero if none */

   size_t requested; /* The number of requested bytes */

} slabclass_t;

借用别人的一张图说明slabclass_t结构:

由分割算法的源代码可知,slab算法按照不同大小的chunk分割slab页,而不同大小的chunk以factor(默认是1.25)倍增大。

使用memcache -u root -vv 命令查看内存分配情况(8字节对齐):

找到大小最合适的chunk分配给请求缓存的数据:

/*

* Figures out which slab class (chunk size) is required to store an item of

* a given size.

*

* Given object size, return id to use when allocating/freeing memory for object

* 0 means error: can’t store such a large object

*/

unsigned int slabs_clsid(const size_t size) {

   int res = POWER_SMALLEST;// 初始化为最小的chunk

   if (size == 0)

       return 0;

   while (size > slabclass[res].size) //逐渐增大chunk size,直到找到第一个比申请的size大的chunk

       if (res++ == power_largest)     /* won’t fit in the biggest slab */

           return 0;

   return res;

}

内存分配:

(此处参考:http://slowsnail.com.cn/?p=20)

static void *do_slabs_alloc(const size_t size, unsigned int id) {

   slabclass_t *p;

   void *ret = NULL;

   item *it = NULL;

if (id < POWER_SMALLEST || id > power_largest) {//判断id是否会导致slabclass[]数组越界

MEMCACHED_SLABS_ALLOCATE_FAILED(size, 0);

return NULL;

}

p = &slabclass[id];//获取slabclass[id]的引用

assert(p->sl_curr == 0 || ((item *)p->slots)->slabs_clsid == 0);//判断slabclass[id]是否有剩余的chunk

if (! (p->sl_curr != 0 || do_slabs_newslab(id) != 0)) {//如果slabclass[id]中已经没有空余chunk并且试图向系统申请一个“页”(slab)的chunk失败,则返回NULL

/* We don’t have more memory available */

ret = NULL;

} else if (p->sl_curr != 0) {//slabclass[id]的空闲链表中还有chunk,则直接将其分配出去

it = (item *)p->slots;//获取空闲链表的头指针

p->slots = it->next;//将头结点指向下一个结点(取下头结点)

if (it->next) it->next->prev = 0;//将新头结点的prev指针置空

p->sl_curr–;//减少slabclass[id]空闲链表中的chunk计数

ret = (void *)it;//将头结点赋给ret指针

}

if (ret) {//请求成功

p->requested += size;//更新slabclass[id]所分配的内存总数

MEMCACHED_SLABS_ALLOCATE(size, id, p->size, ret);

} else {

MEMCACHED_SLABS_ALLOCATE_FAILED(size, id);

}

return ret;

}

do_slabs_allc()函数首先尝试从slot列表(被回收的chunk)中获取可用的chunk,如果有可用的就返回,否则从空闲的chunk列表中获取可用的chunk并返回。

删除过期item:

延迟删除过期item到查找时进行,可以提高memcache的效率,因为不必每时每刻检查过期item,从而提高CPU工作效率

使用LRU(last recently used)算法淘汰数据:

/*

* try to get one off the right LRU

* don’t necessariuly unlink the tail because it may be locked: refcount>0

* search up from tail an item with refcount==0 and unlink it; give up after 50

* tries

*/

if (tails[id] == 0) {

itemstats[id].outofmemory++;

return NULL;

}

for (search = tails[id]; tries > 0 && search != NULL; tries–, search=search->prev) {

if (search->refcount == 0) { //refount==0的情况,释放掉

if (search->exptime == 0 || search->exptime > current_time) {

itemstats[id].evicted++;

itemstats[id].evicted_time = current_time – search->time;

STATS_LOCK();

stats.evictions++;

STATS_UNLOCK();

}

do_item_unlink(search);

break;

}

}

it = slabs_alloc(ntotal, id);

if (it == 0) {

itemstats[id].outofmemory++;

/* Last ditch effort. There is a very rare bug which causes

* refcount leaks. We’ve fixed most of them, but it still happens,

* and it may happen in the future.

* We can reasonably assume no item can stay locked for more than

* three hours, so if we find one in the tail which is that old,

* free it anyway.

*/

tries = 50;

for (search = tails[id]; tries > 0 && search != NULL; tries–, search=search->prev) {

if (search->refcount != 0 && search->time + 10800 < current_time) { //最近3小时没有被访问到的情况,释放掉

itemstats[id].tailrepairs++;

search->refcount = 0;

do_item_unlink(search);

break;

}

}

it = slabs_alloc(ntotal, id);

if (it == 0) {

return NULL;

}

}

从item列表的尾部开始遍历,找到refcount==0的chunk,调用do_item_unlink()函数释放掉,另外,search->time+10800

附:阿里2014笔试题一道:

某缓存系统采用LRU淘汰算法,假定缓存容量为4,并且初始为空,那么在顺序访问一下数据项的时候:1,5,1,3,5,2,4,1,2出现缓存直接命中的次数是?,最后缓存中即将准备淘汰的数据项是?

答案:3, 5

解答:

1调入内存 1

5调入内存 1 5

1调入内存 5 1(命中 1,更新次序)

3调入内存 5 1 3

5调入内存 1 3 5 (命中5)

2调入内存 1 3 5 2

4调入内存(1最久未使用,淘汰1) 3 5 2 4

1调入内存(3最久未使用,淘汰3) 5 2 4 1

2调入内存 5 4 1 2(命中2)

因此,直接命中次数是3,最后缓存即将准备淘汰的数据项是5

    原文作者:苏文星
    原文地址: https://www.jianshu.com/p/1fb379ebaa9a
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞